英伟达等提出TacitVLA：动作不再等推理文本

英伟达、纽约大学等团队提出 TacitVLA，让推理型 VLA 模型照常训练生成推理文本，但动作输出不再等待文本生成。团队称，在机器人操作和自动驾驶的四个 benchmark 上，其成功率与显式推理相当，延迟最多降低 3.4 倍；单张 H100 上 LIBERO 输出一个动作需 147 ms，显式推理为 495 ms。 该方法的实现方式是在训练时用 attention mask 让 action expert 看不到推理 token，团队称任何采用这种结构的推理 VLA 都可据此改造。上述效果均为团队实验报告的结果。

AI 根据报道生成 · 18 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。